Latent Heat Phase Change Heat Transfer of a Nanoliquid with Nano–Encapsulated Phase Change Materials in a Wavy-Wall Enclosure with an Active Rotating Cylinder
Notice bibliographique
Résumé
A Nano-Encapsulated Phase-Change Material (NEPCM) suspension is made of nanoparticles containing a Phase Change Material in their core and dispersed in a fluid. These particles can contribute to thermal energy storage and heat transfer by their latent heat of phase change as moving with the host fluid. Thus, such novel nanoliquids are promising for applications in waste heat recovery and thermal energy storage systems. In the present research, the mixed convection of NEPCM suspensions was addressed in a wavy wall cavity containing a rotating solid cylinder. As the nanoparticles move with the liquid, they undergo a phase change and transfer the latent heat. The phase change of nanoparticles was considered as temperature-dependent heat capacity. The governing equations of mass, momentum, and energy conservation were presented as partial differential equations. Then, the governing equations were converted to a non-dimensional form to generalize the solution, and solved by the finite element method. The influence of control parameters such as volume concentration of nanoparticles, fusion temperature of nanoparticles, Stefan number, wall undulations number, and as well as the cylinder size, angular rotation, and thermal conductivities was addressed on the heat transfer in the enclosure. The wall undulation number induces a remarkable change in the Nusselt number. There are optimum fusion temperatures for nanoparticles, which could maximize the heat transfer rate. The increase of the latent heat of nanoparticles (a decline of Stefan number) boosts the heat transfer advantage of employing the phase change particles.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».